基于CLD模型的风电叶片延寿区间估计

为确定在役风电叶片到达设计寿命后能否延寿继续使用,提出一种基于恒幅寿命图模型的延寿区间计算方法。首先,分析叶片在运行工况下的载荷状况,采用应力-寿命(S-N)曲线分析弯矩作用下的疲劳寿命,进而定义弯矩-寿命(M-N)曲线。根据M-N曲线和CLD模型的映射关系建立延寿估计的CLD模型。基于延寿估计的CLD模型计算待退役叶片已累积的疲劳损伤,并从疲劳损伤估计可持续延寿的时间。最后,以某型叶片为例应用该方法进行延寿区间估计。

基于改进田口方法的轮毂装配过程质量控制研究

针对风力机轮毂装配工序的质量控制问题,结合多品种小批量生产模式的特点,提出了一种面向定位布置的轮毂装配关键工序识别与监控的方法。综合考虑轮毂装配生产中的成本因素及相对质量损失,制定装配工序的质量特性损失标准,采用改进的质量损失函数识别轮毂装配关键工序;为解决统计过程控制(SPC)方法应用于小批量生产模式的瓶颈,引入基于直觉模糊集的工序相似性分析与评定方法,通过分析工序相似性的影响因素,构建轮毂装配成组工序相似性评判指标体系及评定模型,完成工序相似性的测度。最终使用SPC方法监控管理轮毂装配关键工序,确保轮毂的装配质量。该研究为小批量生产模式中运用SPC方法管理过程质量提供了理论依据。

基于模态灵敏度的风力机复合材料叶片结构优化

提出了一种叶片全尺寸结构设计方法,该方法采用遗传算法确定叶片铺层厚度的最佳分布,从而使得叶片弯曲刚度最大化。采用数值微分法求解了叶片模态频率对叶片各子区域铺层厚度的灵敏度数值。选择了叶片一阶挥舞与摆振模态固有频率作为优化目标,基于模态灵敏度探究了各子区域铺层厚度对其挥舞与摆振刚度的影响,并筛选出了14个显著设计变量来驱动叶片结构优化。最优化结果显示叶片一阶挥舞与摆振频率分别提高了12%和10.4%,表明基于模态灵敏度的结构优化方法是一种提升叶片结构性能更为有效的方法。

复合材料风力机叶片尾缘结构优化设计

针对静强度载荷作用下风力机叶片尾缘易发生局部屈曲失效问题,采用自适应单目标优化算法,将叶片气动中心与翼型曲线耦合约束,以叶尖挠度为优化目标,对叶片尾缘结构进行优化设计。分析尾缘屈曲变形规律,并与某企业提供的叶片静强度试验数据进行了对比,结果表明:优化后叶片模型在屈服强度、叶尖挠度和应变等方面的误差较传统纯壳体模型分别降低了10%、15. 7%和10. 6%,研究结果为叶片结构稳定性研究奠定了理论基础。

铺层材料单层厚度对风力机叶片低阶模态频率的影响分析

针对大型风力机叶片铺层材料单层厚度对叶片模态频率的影响作用,对铺层材料单层厚度间的耦合机制进行研究。采用Box-Behnken法设计实验,建立叶片铺层单层厚度与其第一阶模态频率间的响应面模型,揭示叶片不同铺层材料单层厚度对模态频率的影响规律。以叶片前两阶模态频率为优化目标、以铺层材料单层厚度为设计变量建立优化数学模型,并采用遗传算法与有限元法结合进行全局寻优。以某企业1.5 MW叶片为算例,结果表明,优化后叶片第一阶挥舞、摆振频率均提高了0.07 Hz。

计及应力水平效应的复合材料剩余强度概率模型

针对当前大多数复合材料剩余强度模型通用化程度低、试验成本高的问题,本文提出了一个计及应力水平效应且独立于应力水平的剩余强度概率模型。首先,给出归一化强度储备的定义,并根据归一化强度储备推导出确定性剩余强度模型。然后,将一个疲劳寿命概率模型耦合进确定性剩余强度模型,进而衍生出一个新的剩余强度概率模型。最后,利用文献中的恒幅与变幅剩余强度试验数据对所提出的剩余强度概率模型的准确性和适用性进行验证。结果表明:几乎所有的恒幅试验数据点都分布在预测曲线的95%置信上限与5%置信下限之间,且50%可靠度的预测曲线对试验数据具有高拟合优度值:0.94、0.84及0.97。所提出的模型在充分考虑了复合材料剩余强度统计特征的前提下,仅用一组模型参数即可准确描述多个应力水平下的强度退化。在变幅工况下,所提出模型在升序与降序变幅加载中的预测值与试验值的相对误差均低于6%。

洋港泥石流工程防治探讨

洋港泥石流频繁发生，使该地区自然条件恶化，耕地面积缩减，烘涝灾害频仍，人民生命财产遭受严重损失。自１９８３年正式投入治理以来，有效地防治了重大泥石流灾害的发生，保障了当地工农业生产、交通运输、采矿、水利水电建设的顺利进行。本文主要对洋港泥石流的分布、活动规律、成因、危害、工程防治与效益等问题进行了探讨。

柔性薄膜太阳能电池的研究进展

综述了柔性薄膜太阳能电池的研究现状、发展趋势及其应用前景,分别就柔性衬底材料、硅系薄膜太阳能电池、铜铟镓硒薄膜太阳能电池、铜锌锡硫、染料敏化太阳能电池、有机太阳能电池和新型纳米材料太阳能电池进行了介绍。卷对卷以及喷墨印刷法等非真空大面积制备柔性薄膜太阳能电池的工艺,为低成本生产此类太阳能电池带来了希望,对其发展遇到的挑战进行了展望。